XiaoMi-AI文件搜索系统
World File Search SystemBlind
使用AI和图像处理的盲目辅助系统
摘要：每天，数以百万计的视力障碍挑战，面临着在家中的日常任务或没有帮助的困难。根据世界卫生组织（WHO）的说法，超过2.5亿人患有视觉障碍，大约3500万人完全盲目。这种人群遇到了世界泛滥的危险，即使在街道上越过，由于他们无法感知障碍和交通，因此甚至越过街道。尽管对独立性有强烈的渴望，但许多视觉障碍的人都取决于其他人的常规任务。但是，技术的进步，尤其是计算机视觉方面，为更大的自主权提供了希望。虽然传统的辅助工具，例如白色的甘蔗，导犬和专业软件是无价的，但新兴的创新旨在通过将视觉信息转化为声音来彻底改变感知。这些事态发展具有增强的自主权和安全性的希望，从而增强了视力障碍，以增加信心来驾驶世界。关键字：失明，视觉残障，援助，独立性。
通过快速扩散反演
基于预训练扩散模型的图像恢复（IR）方法已显示出最先进的性能。但是，它们具有两个基本局限性：1）他们经常假设降解操作员是完全知道的，并且2）它们改变了扩散抽样过程，这可能会导致不在数据歧管上的恢复图像。为了解决这些问题，我们通过快速扩散反转（Bird）提出了盲图恢复（Bird），一种盲IR方法，该方法共同优化了降级模型参数和恢复的图像。为了确保恢复的图像位于数据歧管上，我们在预训练的扩散模型上提出了一种新颖的采样技术。我们方法中的一个关键想法不是修改反向采样，即。e。，一旦取样初始噪声，就不要改变所有中间潜在的潜在。这最终等效于将IR任务作为输入噪声空间中的优化问题。此外，为了减轻与完全展开的扩散模型相关的计算成本，我们利用这些模型的固有功能使用大的时间步骤在正向扩散过程中跳过。我们在几个图像恢复任务上实验验证鸟类，并表明它达到了最先进的表现。项目页面：https：//hamadichihaoui.github.io/bird。
人工智能图像：人工智能伦理的盲点
摘要 本文认为人工智能伦理通常忽视了与人工智能科学传播相关的问题。特别是，本文关注的是人工智能的视觉传播，更具体地说，关注的是人工智能科学传播中某些库存图片的使用——特别是那些以过度使用蓝色和反复出现的主题为特征的图像，例如雌雄同体的面孔、半肉半电路的大脑，以及米开朗基罗的《创造亚当》的变种。在第一部分中，作者引用了“指称主义”科学传播伦理来对这些图像进行伦理评估。从这个角度来看，这些图像是不道德的。虽然科学传播伦理通常提倡谦虚和谦逊等美德，但类似的图像却是傲慢和过度自信的。在第二部分中，作者使用了法国哲学家雅克·朗西埃的“感性分布”、“分歧”和“沉思形象”的概念。朗西埃的思想为对这些人工智能形象的更深入批判铺平了道路。类似形象的问题不在于它们缺乏对“事物本身”的参考。而是在于它们扼杀了任何可能对人工智能产生分歧的形式。然而，作者认为，库存图像和其他流行的人工智能图像本身并不是问题，它们也可以是一种资源。这取决于这些图像是否真正有可能支持各种形式的沉思。在结论中，问题在于本文提出的人工智能图像伦理或政治是否可以直接应用于人工智能伦理。
人工智能识别并量化结肠镜检查盲点
（Epiphan，美国加利福尼亚州帕洛阿尔托）。所采用的主要人工智能模式是循环神经网络（一种特别适用于序列数据的人工智能类型），该网络经过训练可以计算深度 [1, 2]，并结合视觉同步定位和映射 (SLAM) [3]。人工智能软件被应用于 18 名患者的 76 个结肠镜检查视频序列，显示结肠段长度为 4 – 25 厘米。这创建了结肠段的三维 (3 D) 重建，然后识别盲点，显示为重建中的孔洞或间隙，并量化这些非
罗马尼亚：装甲营救援
位于里尔的欧洲大陆陆军指挥所 (NCC) 指挥官 François Goguenheim 少将、第 7 装甲旅指挥官 Cédric du Gardin 准将和第 516 列车团指挥官 Marc Delavernhe 上校将参加第一批车队的出发，并将参加第二批车队。
自闭症试验中肠道错误的协议：双盲...
摘要简介自闭症（正式自闭症谱系障碍）涵盖了一组复杂的神经发育状况，其特征是交流和社交互动的差异。同时发生的慢性胃肠道症状在自闭症患者中很常见，可能会对他们的生活质量产生不利影响。本研究旨在评估口服粪便微生物组转移（FMT）在改善自闭症青少年和成人中胃肠道症状和幸福感方面的疗效。方法和分析这一双盲，随机，安慰剂对照试验将招募100名自闭症青少年和16-45岁的成年人，他们患有轻度至重度胃肠道症状（胃肠道症状评级量表（GSRS）得分≥2.0）。我们还将招募八名18-32岁的健康捐助者，他们将接受广泛的临床筛查。接收者将被随机分为1：1，以接受FMT或安慰剂，并通过生物学分层。胶囊将在隔夜清洁后连续两天内进行，并在治疗后6、12和26周进行随访评估。主要结果是6周时GSRS得分。其他评估包括人体测量法，人体成分，皮质蛋白浓度，肠道微生物组谱，尿液/血浆肠道衍生的代谢物，肠道炎症/渗透性的等离子体标志物以及一般福祉，睡眠质量，身体活动，食物多样性和治疗能力。不良事件将由独立数据监测委员会记录和审查。试用注册号ACTRN12622000015741。伦理学和该研究的伦理伦理批准是由中央健康与残疾伦理委员会于2021年8月24日授予的（参考编号：21/ CEN/ 211）。结果将在同行评审的期刊上发表，并向科学和消费者群体介绍。
基于机器学习的盲侧通道攻击PQC ...
摘要 - Kyber Kem，NIST选择的公共密钥加密和密钥封装机制（KEMS）的PQC标准已通过NIST PQC标准化过程进行了多种侧道攻击。但是，所有针对Kyber Kem划分程序的攻击要么需要了解密文的知识，要么需要控制密文的值以进行密钥恢复。但是，在盲目的环境中没有已知的攻击，攻击者无法访问密文。虽然盲目的侧通道攻击以对称的密钥加密方案而闻名，但我们不知道Kyber Kem的这种攻击。在本文中，我们提出对Kyber Kem的第一次盲侧通道攻击来填补这一空白。我们针对解密过程中点乘法操作的泄漏，以执行实用的盲侧通道攻击，从而实现完整的密钥恢复。，我们使用来自PQM4库的Kyber Kem的参考实现的功率侧渠道对攻击进行了实际验证，该kem在ARM Cortex-M4 MicroController上实现。我们的实验清楚地表明，在有适当准确的锤击重量（HW）分类器的情况下，我们提议的攻击仅在几百到几千个痕迹中恢复了全部钥匙的可行性。索引术语 - POST-QUANTUM密码学；盲侧通道攻击；凯伯；基于晶格的密码学；基于功率的侧通道攻击
使用机器学习的盲人避免障碍
摘要最近，对象识别技术已经看到了许多技术用于自动驾驶汽车，机器人和工业设施。尽管如此，最需要这些技术的是视觉障碍，但从中获得了最少的收益。本文的目的是使用深度学习技术为盲人开发对象检测系统。除此之外，还提到了语音指导技术是告知对象所在的视觉问题的人的一种方式。您仅在对象识别深度学习模型中使用（YOLO）算法一次（YOLO）算法，而文本到语音（TTS）用于合成语音公告，从而使盲人可以方便地获取有关对象的信息。因此，它提出了一个有效的对象检测系统，该系统有助于盲人在没有其他人协助的情况下在受限区域内找到事物；并且该系统的性能已通过实验验证。
与网络中相互认证的多方盲量量子计算协议
抽象盲量计算（BQC）可以确保具有有限量子能力的客户端安全地将计算任务委派给远程量子服务器。为了抵制攻击忽略BQC协议中的身份身份验证，有必要保证多方BQC网络中客户端和服务器的合法性。因此，我们提出了一个多方BQC协议，该协议涉及三个阶段，以分发共享密钥和身份验证身份。首先，通过使用测量设备独立量子密钥分布（MDI-QKD）的优势，注册客户端和分配的服务器可以在注册阶段安全共享初始密钥。其次，在半冬天的认证权限（CA）的帮助下，相互身份认证阶段同时通过共享密钥实现了双方的双向身份验证。第三，在盲量计算阶段，注册客户端可以通过测量分配的服务器而不是准备Qubits来完成其计算任务。与第一个（FIFO）原理结合使用，可以并行处理客户的身份验证和盲量计算。该协议也可以应用于具有资源状态通用性的其他多方BQC协议中。与其他BQC协议相比，保证具有身份认证协议的可靠性，并且在实际实验中将显着反映效率。